大规模协作模式下产品动态连续创新决策

杜元伟 单玉坤 权锡鉴

摘 要：为了解决大规模协作模式下产品动态连续创新决策问题，首先结合大数据、产品动态连续创新理论分析了大数据的驱动作用;然后，从诊断界面、创意界面、行为界面、选择界面4个层面对创新界面系统进行分类辨识，并分析了每类界面中的信息需求以及各类参与主体发挥的作用;在此基础上，结合复杂系统、管理决策等理论，分别针对4类界面构建了相应的决策信息提取机理;最后，通过借鉴信息融合、多目标规划等理论构建了各类创新界面中决策信息整合机理，并分析了创新界面系统中可能使用的决策分析方法。本研究不仅结合参与主体的类型特征有所针对地提取有价值的产品创新信息，而且还能够通过整合产品创新信息实现创新方案的识别和优选，有利于提高产品创新效率、保证产品创新效果。关键词：大规模协作;产品创新;动态连续创新;创新决策机理;大数据中图分类号：F 272.3

文献标识码：A 文章编号：1672-7312（2019）05-0517-15

Abstract：In order to solve the decision-making problem of product’s dynamical continuous innovation in the large-scale collaboration mode，firstly，the driving effect of big data is analyzed by combining big data with product’s dynamical continuous innovation theories.Then，this paper classifies and identifies the innovative interface system from four aspects of diagnostic interface，creative interface，behavioral interface and select interface，and analyzes the information needs of each type of interface and the role of each kind of participant in the process.On this basis，this paper builds the extraction mechanism of decision-making information for four kinds of interfaces by combining complex systems，management decisions and other theories.Finally，this paper constructs the integration mechanism of decision-making information in various innovation interfaces based on the theory of information fusion，multi-objective planning and other methods，and analyzes the method of decision analysis that may be used in the innovation interface system.The characteristics of this research is that it can not only extract the valuable product innovation information according to the type characteristics of the participant，but also realize the identification and optimization of the innovation scheme by integrating the product innovation information，which is beneficial to improve the efficiency and effect of product innovation.

Key words：large-scale collaboration;product innovation;dynamically continuous innovation;innovation decision mechanism;big data

0 引 言党的十九大报告指出，实施创新驱动发展战略，要打破区域和部门利益的藩篱，鼓励各个领域、各具专长的科研人员充分发挥学科交叉的优势，实现协同创新。这是党中央国务院在深刻把握当代科学技术与经济发展规律的基础上，为我国未来发展打造核心驱动力做出的重大战略部署，同时也为现代企业在大规模协作（Mass Collaboration）模式下开展产品创新创造了条件。所谓大规模协作，是全球大量独立个体在没有正式组织结构和严格強制权力关系的条件下基于共同理解而自愿参与的松散式、灵活式、非正式的协作。凭借其开放、对等、共享、全球运作4项原则，参与主体可以灵活高效地沟通学习、协作创新，正因如此许多企业尤其是世界知名企业已经自觉不自觉地应用该种方式开展各种创新活动并取得了初步成效。在国外，大规模协作使宝马的研发周期从2年缩减至半年，使Linux Kernel的软件系统以周为单位不断更新，使Wikipedia的网站内容时刻都在变化，使宝洁的研发能力提高了大约60%而创新成本却下降了20%，使黄金公司发现了洪湖矿床上110个目标且其中80%后来证明存在大量黄金[1]。在国内，淘宝、腾讯、新浪、当当等公司都利用大规模协作（如商品评论、微博互联、智能推荐）获得了巨大的商业成功，尤其值得一提的是，为推动4G网络向5G的演进，华为聚焦“用户感知”，分别从网络、体验、业务、技术等方面与全球30余家通信运营商、行业联盟和机构、垂直行业领导厂商等建立了紧密的合作关系，在大规模协作的基础上发布了新一代Easy Macro解决方案和新一代3D MIMO解决方案。不难发现，无论是在国外还是在国内，由大量独立个体围绕产品创新产生的大数据正驱动着产品的不断改进和持续优化，大规模协作模式已经不知不觉地被应用于产品创新之中。

如果说大规模协作在2G/3G时代还是一个“神话”，那么在4G网络已经普及、5G时代即将到来的大数据时代，信息技术将为打破“神话”创造充分的条件。利用大规模协作模式开展产品创新，能够打破空间界限、提高协作效率、实现信息和知识的瞬间流动，在竞争加剧和创新加速的今天对于组织无疑具有极其重要的作用[2]。正如Tapscott和Williams在《维基经济学》一书中所指出的：“大规模协作是指用户依托于互联网平台，通过大范围、大数量、充分参与以及相互协作的方式来创造新价值的过程。

大规模协作正在改变公司和社会利用知识和能力进行创新和价值创造的方式，今后的经济将会按照该种发展方式进行组织[3]。”大规模协作产品创新不仅能够扩大创新信息资源，促进超大规模主体之间的专业技术知识融合，而且还可以灵活组织部署，从多方视角对创新信息进行评价、过滤和筛选，从而能够大幅度提升组织创新能力、有效地应对竞争环境变化[4]。然而，参与主体多样、主体数量庞大、主体关系对等、知识分布广泛等特点却加剧了组织开展产品创新的难度。原因在于：其一，在大规模协作模式下，参与主体不仅有组织的内部成员（管理者、决策者、操作者、技术员等）和其他利益相关者（上下游企业、咨询机构、科研机构、管理机构等），而且还有分布于世界各地的社会大众（用户、潜在用户等），他们都有发表言论、自由平等的话语权，但专业背景、技术领域、价值观念等方面的诸多差异却极易导致源于不同主体的信息其可利用程度大不相同，如何结合参与主体的类型特征有所针对地提取有用信息对于提高创新效率与保证创新效果至关重要。其二，参与主体的类型多样性与数量庞大性，必然会衍生出五花八门、为数众多的创新方案（亦可理解为创意），为利用群体智慧、开拓创新思路创造了条件，但首要前提是能够从中识别出最优的创新方案，如何整合源于不同类型参与主体的信息与知识实现创新方案的优中选优对于保证产品创新的科学有效性尤为重要。需要说明的是，产品创新可以划分为连续创新、非连续创新、动态连续创新[5]，其中，前两类或者是仅对原有产品进行细微完善（如操作系统的更新），或者是彻底打破原有产品（消费）模式（如计算机由电子管数字机逐步演变为大规模集成电路机），第三类介于前两类之间，要求对原有产品加以一定程度的改进但非彻底打破（如iphone、kindle、小米、华为、戴尔等产品的换代）[6]。动态连续创新不仅可以继承前两类产品创新的优点，而且也能够在一定程度上规避二者的缺点。有鉴于此，文中以产品动态连续创新问题为对象，针对大规模协作模式下存在的参与主体多样、主体数量庞大、主体关系对等、知识分布广泛等特征，基于大数据驱动视角构建一套能够涵盖从“创意产生”到“创意评价”再到“创意优选”全过程的大规模协作模式下产品动态连续创新决策机理。

1 理论基础

1.1 大规模协作的定义、特征、运行机理大规模协作最早出现在《维基经济学》一书，书中将用户依托于互联网以大范围、大数量、深入参与及互相协作的方式创造新价值的过程描述为“大规模协作”，并指出大规模协作是经济模式的一次巨大变革、意味着新协作时代的到来[7]。大规模协作是由全球的社会大众基于不同的动机自发贡献自己的知识，以互联网为平台通过相互协作来完成产品创新设计[8-9]。后来有学者尝试结合不同研究对象对此概念进行了个性化延伸。如：以网络为对象，其被定义为大规模的人们以互联网为媒介利用各种交互工具及其电脑协作工具创造无限可能新价值的集体行为[10-11];以企业为对象，其被定义为全球大量独立个体基于共同理解而自愿参与的松散式协作，其中不存在正式而严格的组织结构和强制权力关系，但人们却因此能够更加灵活高效地进行沟通协作[12-13]。另外，从供应链的视角可将大规模协作定义为各成员企业以有效的运行规则为指导，通过相互协作、共担风险，为实现整体目标而共同制定创新方案以及实施方案的协作方式[14]。在大规模协作定义的基础上，亦有一些学者对其特征进行了分析。具体可以归纳为：任务导向特征，之所以自发地开展协作是为完成某项任务或实现特定目标[15];超大规模特征，参与主体规模巨大、非一般协作方式所能及;Wiki速度特征，组织能迅速进行跨地域、跨文化全球性互动以应对不断变化的市场需求[16-17];知识整合特征，强调整合分布性知识、创造更大价值[18]。另外，为了提高运用大规模协作进行价值创造的效率，一些学者从参与动机和协作过程2个视角对其运行机理进行了探讨。就参与动機而言，经济性动机和非经济性动机是现阶段探讨的主要论题。如：有的学者认为以在线合作方式存在的大规模协作就像在信息不对称时代的物物交换，其动机可以概括为预期的互惠声誉、物质回报、内在享乐、社会心理等[19-20]。有的将参与动机分为平衡回报价值与机会成本后的直接报酬以及由在线活跃表现获得可能工作机会的间接报酬[21-22]。还有的在检验各种动机组合对大规模协作用户参与影响的基础上探究了不同主体类型与各种动机之间的关系[23-24]。就协作过程而言，有的学者通过建立参与过程模型分析大规模协作用户管理方法，提出参与主体之间的价值分享机制是使协作得以顺利运行的重要保障[25]。有的基于蚁群觅食的缔结默契（Stigmergy）过程，将大规模协作参与主体视为分布式智能主体，并分析提出智能主体是通过彼此交互来改变其他主体行为、引发宏观新现象的结论[26]。有的在研究Web2.0技术功能的基础上指出，具备简单交互作用的各种社会性软件正在让整个互联网不断衍生出新的协作关系和新的信息系统形态[27]。有的学者对开源生产过程中的网民知识共享行为及激励设计关系进行了研究，进而提出了促进知识共享行为的激励机制[28]。还有的认为大规模协作是以同侪制为主要支撑、以科层制与市场制为辅助力量，通过同侪生产、质量控制以及创意交换等运行机制促进知识创新与价值创造，最终实现大规模协作目的的过程[29]。技术创新活动正在向着非线性、网络化、全球化等方向发展，与之相对应的是技术创新模式也正在由传统的以线性和链式为主的模式向以多元创新主体合作为基础的大规模协作创新模式转变。大规模协作创新模式越来越受到学术界和政府部门的关注，将成为提高创新竞争力的一种新型组织和创新过程[30]。1.2 产品创新中的客户协同在全球竞争节奏加快的同时，客户需求也正在向着多元化和个性化方向发展，为有效地应对剧烈波动的市场环境、为客户提供满意的创新产品，企业必须突破传统的封闭创新模式，充分整合吸纳外部的创新资源，形成独具特色的开放式创新模式，而客户协同正是企业实现这种创新转变的有效模式之一[31]。苹果公司的快速发展正是得益于充分重视客户参与、围绕客户需求研发与销售产品[32]。客户协同产品创新通过吸收并行工程、大规模定制、动态联盟等先进理念，利用各种网络化的协同工作环境、创新设计工具以及知识融合技术，使客户与专业设计人员可以共同进行产品创新，最大程度满足客户需求、降低产品创新风险[33-34]。这种产品创新方式既重视获取个性化的客户需求，也强调集成客户的知识、经验和技能，从而实现客户与专业设计人员的优势互补，激发群体创造力，缩短产品开发时间[35-36]。目前国内外专家学者从主体类别属性、任务协调分配、知识共享管理、突发事件处理等方面对客户协同产品创新问题进行了一些研究。其中比较有代表性的观点是：Hippel等在对美国企业创新行为进行大量实证调研后，提出了领先客户（Lead User）和客户创新（Customer Innovation）的概念，并指出超过一半以上的创新成果发生在企业与客户之间的结合点，以领先客户为主导的客户创造力对产品创新的实现具有重要作用[37]。Fatih等通过引入时间模糊集刻画协同设计任务完成时间节点具有非精确性的问题，并运用模糊时间Petri网和动态规划相结合的方法构建了旨在缩短产品设计周期的效率模型[38]。张雪峰等从企业的视角出发，以将每项产品创新任务与合适的客户相匹配为目的，提出客户与任务模糊匹配度度量方法，建立匹配模型，并采用模糊数排序方法求解，从而得出合理的任务与客户匹配方案[39]。杨育等指出，知识本身的分散性/多样性/异构性、主体的主观认知能力差异性、创新对象的客观复杂性，使创意信息在表述时缺乏统一的描述方法，具有不规范、多样化、非结构化等特征，会影响创新主体间知识的获取和共享[40-41]。陈倩等在客户协同产品开发模糊前端阶段，为提高创意知识获取的准确性，提出了一套基于模糊概念分析和模糊认知图的创意知识获取方法，其针对创意知识发散、多样等特点，结合模糊概念分析与本体理论对不同创意知识提出了考虑粒度的知识表达方法，解决了客户协同产品开发模糊前端阶段创意知识难以准确描述问题[42]。王小磊等针对客户协同产品创新过程中的多主体创意冲突问题，采用二元语义方法分析多主体设计目标冲突产生的原因，并以满意度最大化为目标建立了相应的冲突协调模型，实现了多主体创意协调和产品创新方案的高效优化[43]。在客户协同产品创新过程中，需要注意整体性和动态性的相互协调，整体性要求企业与客户之间进行深层次的互动交流，从而可以确保双方优势的充分发挥，而动态性则是要求企业和客户密切关注市场环境的变化并及时制定相应的对策方案[44]。不难发现，大规模协作已经成为互联网时代的一种新型生产模式，其存在的特征和固有的运行机理已经被应用于解决包括产品创新在内的各类管理问题;而在产品创新过程中，企业为了提高生产效率、保证产品质量、维系市场竞争优势，已经开始通过与客户协同的方式满足客户越来越高级化、个性化的需求。无论是对于大规模协作还是对于产品创新，彼此之间相互融合的趋势愈加强烈和迫切。在大规模协作模式下开展产品创新不仅能够扩大创新信息资源，促进超大规模主体之间的专业技术知识融合，而且还可以灵活组织部署，从多方视角对创新信息进行评价、过滤和筛选，从而能够大幅度提升组织创新能力、有效应对竞争环境变化。令人遗憾的是，产品创新目前还停留在通过客户协同产生创意的初级阶段，而尚未注意到在大规模协作模式下参与创新过程的还有组织内外部成员、社会大众等其他类别的主体，更未意识到创意由产生到评价、过滤和筛选对保证产品创新效率和效果的重要性。

2 大数据与产品动态连续创新决策2008年，《Nature》杂志出版专刊《Big Data》，基于多学科实际研究现状系统的介绍了“大数据”所蕴含的潜在价值与挑战（Lynch，2008），自此“大数据”正式登上了科学研究舞台，并成为各学科中的研究热点。2011年，《Science》杂志出版的专刊《Dealing with Data》，标志着“大数据”时代的到来。2012年3月美国奥巴马政府发布“大数据研究和发展倡议”，正式启动大数据发展计划，随后英国、加拿大、澳大利亚、法国、日本等30多個国家也相继启动了大数据计划，Google、IBM、EMC、惠普、微软等公司都在积极抢占大数据技术市场[45-46]。在我国，自2012年5月以“大数据科学与工程——一门新兴的交叉学科？”为主题的香山会议召开以来，以李国杰院士为核心的计算机科学领域的专家学者纷纷围绕“大数据”定义的“数学科学”的理论架构与算法应用等问题进行了综述性的归纳与探讨[47];国家自然科学基金委管理科学部也组织了“大数据背景下的商务管理”系列研讨，提出了大数据背景下商务管理的若干前沿研究课题[48]。工信部2014年国家物联网重大应用示范工程、发改委2014年4G专项、国家自然科学基金委2014年重点基金、科技部2015年国家科技支撑计划及863项目均专门设立大数据研究、示范应用的项目指南。2015年8月31日，国务院以国发[2015]50号印发《促进大数据发展行动纲要》，其中明确提出了促进大数据发展的三大重点任务和十项工程。2016年12月，中国信息通信研究院发布大数据白皮书，重点从大数据技术发展、数据资源开放共享、大数据在重点行业的应用、大数据相关政策法规等4个方面分析了最新进展。2017年5月，国家发改委、贵州省政府共同主办中国大数据产业峰会，组织“云上贵州”大数据商业模式大赛，展示了大数据应用、大数据软件及服务等方面的最新科研成果。由此可见，大数据虽然在近几年才登上科学研究舞台，但已在国内外掀起了一场从不同学科视角开展研究和应用的热潮。产品动态连续创新的概念是由Robertson在20世纪60年代提出的，他认为动态连续创新主要表现为“创造新产品或对原有产品进行改进，其改变效应要超过连续创新，用户为适应该类创新需要一定程度上改变现有的行为模式”。文中认为，动态连续创新相对于非连续创新、连续创新而言尤为适合依托于大规模协作模式开展产品创新活动。原因在于：在连续创新中，虽然用户对原有产品提出的改进意见对该类创新有一定的参考价值，但是该类创新一般利润较低，如操作系统更新都是免费的;在非连续创新中，用户必须重新学习和认识创新产品、彻底改进原有消费模式，其对原有产品提出的改进意见对该类创新的可利用价值一般不大，此外该类创新投入较大，如计算机在技术变革中需彻底改变原有生产线;在动态连续创新中，组织能够方便地从大规模的用户体验中获取对原有产品的改进信息，用户对于新产品只要在遵循原有使用习惯的基础上进行简要学习即可快速上手，并且该类创新无需彻底改变原有生产线，仅需要对原有生产线进行改进升级便可投入使用，投入成本较小，所以此类创新有利于研发出满足用户多样化需求的新产品，也能够为组织在特定时期内创造更大价值做出贡献。在大规模协作模式下，大数据能够全方位地为产品动态连续创新创造充足的数据支撑条件。主要体现在以下2个方面。其一，舍恩伯格指出，大数据的“大”，并不是指数据本身绝对数量大，而是指处理数据所使用的模式“大”：尽可能地收集全面数据、完整数据和综合数据，同时使用数学方法对其进行分析和建模，挖掘出背后的关系，从而预测事件发生的概率。在产品动态连续创新决策中，“大”模式表现为社会化的价值创造（在组织内部成员、其他利益相关者、社会大众等大规模主体的广泛参与下完成产品创新决策）、网络化的企业运作（利用Web3.0、界面管理等现代化的信息技术或运作模式提取各类参与主体针对产品动态连续创新问题分享的观点、做出的判断、赋予的偏好）、实时化的市场洞察（尽可能实时地收集信息、做出低风险/高回报的产品创新决策）。其二，包括产品创新领域在内的各行各业对数据的依赖性有增无减，甚至以数据为基础的定量分析方法也有逐步取代耗时耗力的以专家为基础的定性分析方法的趋势，使得管理决策越来越依赖于数据而非经验和直觉。在产品动态连续创新决策中，用户的需求、产品的创意、企业的选择等信息均来源于各类参与主体，但是受知识背景、专业领域、分享平台等多方面主客观因素的限制，由参与主体给出的有关产品创新的认知信息其表现形式会存在很大差异，通常会具有大数据的4V特征[49-51]——Volume（大量）：2015年全球的数据总量约为8.6ZB，并且每秒钟通过网络传输的数据总量已超过了20年之前互联网的总存储量，预计到2020年全球的数据总量将达到40ZB;Velocity（高速）：数据进出速度快，对数据处理能力以及决策能力要求快速、高效;Variety（多样）：数据种类不仅包含常规意义上的关系数据或数据仓库数据，而且还包括图片、流媒体、社会网络信息等全新数据类型;Value（价值）：信息价值虽大，但其中的冗余信息也很多。由此可见，如何对具有4V特征的创新决策数据信息进行有效提取和科学融合，是开展产品动态连续创新决策需要重点考虑的关键问题。

3 产品动态连续创新决策过程依据产品创新、决策分析等理论的基本观点，文中遵循“发现问题→分析问题→解决问题”的原则，以第i代产品为例，通过对第i代产品方案的实施监督，发现其中存在的问题，由此展开新一代产品创新决策过程，可将其划分为发现问题/识别机会、制定创新目标、构建创新方案、评价创新方案、选择产品创新方案（第i+1代产品）、实施与监督6个步骤。由此，产品创新决策过程循环往复，实现了产品动态连续创新，从而更好地满足客户的消费需求，具体如图1所示。

3.1 发现问题/识别机会发现问题是决策的前提，是确定目标的基础。企业管理者需要比较产品的现状与预期的状态之间是否存在差异，如果产品的进展没有达到企业期望的水平，那么就可能存在问题。在进行产品动态连续创新过程中，决策问题的内容就是通过对第i代产品方案的实施监督，发现该产品方案的弊端与不足，从而决定应采用何种方案来改进产品质量、性能、包装等，机会则是指有利于进行产品创新的所有状况。为了进一步明确和解决决策问题，需要广泛收集与决策问题相关的大量资料以及信息。而产品创新决策问题的性质和复杂程度则决定了所需资料的数量以及搜集信息的范围。在大规模协作模式下，所需信息（产品创新信息）既可能来源于企业内部的历史性资料，也可能来源于企业外部的市场发展态势信息。在收集资料的过程中，要特别注意资料的真实性与及时性，要随着周围环境的变化及时更新资料信息。在收集到所需信息之后，应该立即采取切实有效的方法对信息予以整合、分析、解释。将产品创新决策信息按照一定的标准（如性能、包装、外观等因素）进行划分和归类，有利于抓住其中的关键信息，从而可以更加明确所需解决的决策问题以及创新机会。

3.2 制定决策目标目标是决策的方向，在明确决策问题之后，就要针对问题确定决策目标。只有明确了决策目标，才能避免决策的失误。总体来说，决策目标是企业对预期经济效益的反映，而在产品动态连续创新决策过程中，决策目标可以是对产品的数量、质量以及规格等方面的具体规定。在制定决策目标时，必须充分考虑其明确性、可行性、合理性、层次性以及一定的弹性。通过前文可知，在大数据驱动下，各类参与主体所提供的产品创新信息具有“4V”特征，不仅数据量庞大，而且其中包含眾多的隐含信息、不相关信息甚至冲突性信息，因此，该环节首要解决的问题就是从数据量庞大且价值密度较低的信息中识别出有价值的信息，并通过处理形成分析报告，最终由各类参与主体结合分析报告制定决策目标。

3.3 构建备选方案在明确产品动态连续创新的决策问题和创新目标之后，应根据企业的内外条件，借助于各类参与主体的群体智慧，集思广益，形成尽可能多地具有创造力的方案，可供选择的方案越多，解决办法越完善。构建备选方案的过程是一个创造性的过程，在这一阶段，各类创新决策主体必须开拓思维，充分发挥自由想象力。此外，历史性经验、创造性以及关注产品创新方面的最新实践都有助于拟定备选方案。这个过程可以分为2个阶段：一是思维发散阶段，二是思维收敛阶段。在思维发散阶段，需要从多种视角获取与产品动态连续创新有关的各种创意信息。在思维收敛过程中，需要对通过思维发散而获得大量创意信息进行整合分析，从而拟定出尽可能多地产品创新方案。

3.4 分析评价方案备选方案拟定之后，决策者应对每一个方案的可应用性和有效性进行检验，要考虑到各个方案在实施后将可能遇到哪些客观情况。在产品动态连续创新过程中可能会遇到各种突发情况导致创新过程中断，为了最大程度地降低创新风险，企业必须事前做好充分准备，对可能遇到的各种客观情况予以全面周到的考虑。此外，为便于后续工作，企业应在考虑各种客观情况的基础上，对每种创新方案为企业带来的经济效益、方案实施的可行性和风险性以及可能带来的影响做出准确的评估。

3.5 选择满意方案该环节的主要作用在于根据产品动态连续创新目标对各个创新方案经济效益的定性分析和定量计算结果，进行比较和评价，对各个方案的优劣、弊端、得失全面地加以权衡，从中挑选出一个令各类参与主体都最为满意的方案作为最终的决策方案。对所拟定的每个创新方案进行客观、科学评估是方案选择的基础，在选择时必须充分重视评估的意见，通常情况下是以创新目标为选择标准。

3.6 实施与监督创新决策的最终目的，在于通过创新方案的实施而取得公司预期的效果。因此，在选定产品创新方案之后，必须要组织企业内部各有关部门以及相关人员实施创新方案，开展对新产品的研发、生产、销售及售后等工作。此外，方案的实施者还应通过各种信息反馈，检查创新方案实施后所取得的实际效果，并将其与预期的效果相比较，以检查创新目标的实现程度，从而判断之前的决策是否正确，如果实际效果与预期效果基本一致，说明之前的决策分析及创新决策方案是正确的，反之，则说明之前的创新决策存在一定的问题，这时，需要进一步检查失误的原因，并对原定创新方案进行适当修正。

4 产品动态连续创新界面系统考虑到界面管理理论在解决多主体冲突、消除界面障碍、提高合作效率等方面具有独特优势，有利于解决由主体关系对等、知识分布广泛而带来的决策信息分类与整合困难问题。为此，结合界面管理理论对界面的定义（界面是系统相关单元之间的交互平台，是单元之间接触方式和机制的总和，单元之间价值创造要素和机制的集合构成了界面的基本内容）[52]，文中将产品动态连续创新决策问题中需要参与主体开展讨论并提供认知信息的问题视为创新界面，然后将所有创新界面按照特定关系组成的整体视为创新界面系统，在此基础上通过系统地辨识各类创新界面为科学有效地提取参与主体的认知信息提供交互平台。并且，为了提高决策效率、保证决策效果，对产品动态连续创新决策过程中需要多方交互、提取重要决策信息的创新界面系统进行识别也是必要的。为此，下面在分析创新决策主体类别的基础上，对创新界面系统的主体、客体以及内部结构进行详细介绍。

4.1 创新界面主体在基于大规模协作模式开展产品动态连续创新的决策过程中，各个环节的决策信息都是由各类参与主体所提供的。教育背景、价值取向、专业技术、认知能力等方面的诸多差异，造成了不同类别参与主体对整个创新决策过程的重要程度并不相同。在产品动态连续创新决策中，可能的参与主体大致可以划分为企业内部成员、社会大众、其他利益相关者3类，他们在决策过程中发挥着各自应有的作用。

4.1.1 企业内部成员企业内部成员是产品动态连续创新的发起者、管理者、决策者、利益享有者，会参与产品创新决策的全过程。该类参与主体主要包括经营管理人员、技术研发人员、生产管理人员、市场营销与售后人员。经营管理人员包括董事长、总经理以及各职能部门经理等管理类人员，他们是创新方案的最终选择者;技术研发人员，负责从技术层面设计产品的核心功能;生产经营人员，包括加工、装配、包装以及设备维修和检测等员工，他们负责将产品从方案转化为实物，可以在流程管理方面提供产品改进建议，是产品创新方案的实现者;市场销售人员，他们是与用户接触最为密切的人员，可以了解到用户的产品需求以及市场需求;售后服务人员，在产品出售之后提供各种相关服务，可以在后续的追踪跟进阶段与用户保持密切联系，及时获得用户的反馈信息，从而获得更多的产品改进建议。

4.1.2 社会大众社会大众是指能够发布、接收、提供与产品创新相关信息的各类社会人员，其概念外延比较宽泛，但在各类人员中有2类个体会对产品动态连续创新起到重要作用，即当前产品的使用者（现实客户）和下一代产品的潜在购买者（潜在客户）。现实客户是指曾经购买并使用过当前产品的用户，他们对产品的优势和不足都有着全面的认识，有能力在产品动态连续创新过程中从如何完善现有产品视角给出创意性信息。潜在客户是指那些虽然现在没有购买和使用当前产品，但是对下一代产品所提供的功能和服务有所需求、有购买能力和购买决策权的群体，他们对下一代产品在功能和服务上有自己独特的期望，有能力在产品动态连续创新过程中从产品功能需求视角给出创意性信息。需要特别指出的是，无论是现实客户还是潜在客户，他们除了能给出产品创意性信息以外，还能对产品创意方案给出是否能满足自身需要或者达到个体期望目标的决策信息。

4.1.3 其他利益相关者Freeman在《战略管理：一种利益相关者的方法》一书中将利益相关者定义为是能够影响组织目标实现与否或被组织目标实现过程影响的所有个体和群体。利益相关者按照拥有资源数量、影响企业程度等方面的差异可以被划分为经济利益相关者和社会利益相关者2类。前者是与企业有经济往来的相关群体，如债权人、内部服务机构、供应商、竞争者等，他们能够从不同产品创新方案对其利益满足程度视角提供多方面的创新决策信息，从而影响产品创新方案的评价和优选。后者是与企业存在社会利益关系的相关群体，如政府机关、媒体以及特殊群体等，他们能够从各种产品创新方案对社会利益的影响程度视角提供相关创新决策信息，以此影响产品创新方案的评价和优选。

4.2 创新界面客体文中将产品动态连续创新中的创新界面划分为诊断界面、创意界面、行为界面、选择界面，在此基础上分析不同类别的参与主体对解决各类创新界面问题的作用，具体如图2所示。

4.2.1 诊断界面在大规模协作产品动态连续创新过程中，诊断界面的作用在于通过对上一代产品创新方案的实施与监督，发现其中存在的问题，从而进一步识别机会、制定决策目标。这个过程侧重的是尽可能多地获取与产品创新决策问题以及决策目标相关的信息，而在大规模协作模式下，这些信息是由各类参与主体所共同提供的。其中，为明确决策问题而收集的信息既可能来源于由广大用户所提供的有关产品需求的信息（如产品外观、包裝等），也可能来源于由其他利益相关者所提供的有关产品创新发展趋势的信息，还可能来源于由企业内部成员所提供的历史性内部资料信息。

同样的，产品创新目标也是由企业内部成员、其他利益相关者以及社会大众共同做出的选择，各类参与主体都可以借助于大数据平台影响创新目标的制定过程。如用户可以在交互平台上发表对产品外观以及相关性能的要求从而影响创新目标中对产品规格的制定;上下游企业可以通过对所需物料的限制以及产品销售量来影响创新目标中对产品数量及质量的规定;企业内部成员可以通过对收集到的各种有关产品创新信息的整理分析得出合理的产品创新目标。

4.2.2 创意界面在大规模协作产品动态连续创新过程中，创意界面的作用在于充分利用各类参与主体的发散性思维，通过头脑风暴等方法，根据决策目标拟定尽可能多地备选方案，具体来说，就是要尽可能多地产生与实现产品动态连续创新有关的各种创意方案，这个过程侧重的是尽可能多地获取与产品创新方案相关的信息。在大规模协作模式下，规模庞大且种类繁多的用户群体可以从多种视角出发，通过发散性思维，为实现产品创新提供各种创新性意见（如有关产品的包装、材料、性能等方面）;企业的合作伙伴（如供应商）与企业建立了良好的资源互补关系，会从不同的角度（如资源的可持续利用）为实现产品创新提供更多创意;企业的内部成员可以利用第一手资料掌握更为全面的产品创新信息，继各类参与主体的发散性思维之后通过思维收敛过程来整合其他参与主体提供的产品创意，从而拟定出更为科学合理的创新方案。

4.2.3 行为界面行为界面的作用在于通过科学的定性分析和定量计算对各方案在各种客观情况下可能带来的经济效益及其效益大小做出具体、准确的评估，并在对各方案进行详细分析和论证地基础上，挑选出最有效、最恰当的解决问题的措施，这个过程侧重的是尽可能多地获取与产品创新方案评价相关的信息。在大规模协作模式下，作为购买者和使用者的广大用户可以从对产品的感知程度以及认可程度等方面对创新方案给出评价信息;其他利益相关者可以针对产品的资源供给和用户需求等方面给出相应的评价信息;企业内部成员则可以在综合整理分析各方意见的基础上对各方案予以全面的评价。

4.2.4 选择界面选择界面的作用在于经过对每个方案的优劣、弊端、得失等各方面的综合比较分析，从中挑选出令各方都较为满意的创新方案，这个过程侧重的是尽可能多地获取与产品创新方案优选相关的信息。在大规模协作模式下，广大现实/潜在用户会从创新方案对个性化需求满足程度视角、其他利益相关者会从创新方案对合作目标的满足程度视角、企业内部成员会从创新方案对组织带来的价值大小及可执行程度视角，给出价值判断信息或者偏好选择信息，通过对各类信息的整合从众多创新方案中选择最为有效可行的方案。

4.3 创新界面系统的内部结构选择界面的作用在于经过对每个方案的优劣、弊端、得失等各方面的综合比较分析，从中挑选出令各方都较为满意的创新方案，这个过程侧重的是尽可能多地获取与产品创新方案优选相关的信息。在大规模协作模式下，广大现实/潜在用户会从创新方案对个性化需求满足程度视角、其他利益相关者会从创新方案对合作目标的满足程度视角、企业内部成员会从创新方案对组织带来的价值大小及可执行程度视角，给出价值判断信息或者偏好选择信息，通过对各类信息的整合从众多创新方案中选择最为有效可行的方案。

4.3.1 主体之间的关系在大规模协作产品动态连续创新的决策过程中，企业内部成员、其他利益相关者以及社会大众之间通过相互协作、知识共享、信息互补等方式，为实现产品创新贡献自己的力量。企业内部成员作为产品创新的发起者、管理者、决策者、利益享有者，在这3类参与主体中处于主导地位，统筹规划各类决策信息的提取与整合。在企业内部成员的引导下，社会大众和其他利益相关者为产品创新提供各种创新目标、创新方案以及创新方案评价与优选的决策信息。同时，社会大众和其他利益相关者也会制约企业内部成员的行为，使其最终选择的产品创新方案必须符合所有参与者的共同追求。社会大众（现实客户与潜在客户）作为产品创新的参与者、使用者，在这3类参与主体中处于核心地位。企业内部成员和其他利益相关者都应该围绕客户开展市场调研分析，在此基础上提供各种产品创新决策信息。其他利益相关者作为产品创新的参与者、利益享有者，在这3类参与主体中处于基本地位，以客户为核心，在企业内部成员的主导下，从自身利益的视角为产品动态连续创新提供各种决策信息。

4.3.2 客体之间的关系文中将产品动态连续创新决策过程中的创新界面划分为如上文所述的4类界面：诊断界面、创意界面、行为界面、选择界面，这4类界面并不是相互孤立的，而是处于层层递进、紧密相连的状态之中，按照产品动态连续创新决策的过程来设计，由创意目标（诊断界面）到创意产生（创意界面）到创意评价（行为界面）再到创意优选（选择界面）。文中在此基础上分析不同类别的参与主体对解决各类创新界面问题的作用，从系统整体论视角将所有界面视为一个创新界面系统并分析其内部构成要素以及要素之间的关系（创意界面是基于诊断界面中的创新目标展开研究，行为界面与选择界面二者分析对象均是创意界面中的创新方案，并且选择界面是基于行为界面展开分析）。

4.3.3 主客体之间的关系在大规模协作模式下，诊断界面、创意界面、行为界面以及选择界面所需要的各种决策信息都是由各类参与主体所共同提供的。需要注意的是，为提高创新效率、保证创新质量，围绕创新决策问题，一方面要重视对参与主体关心问题的归纳整理，利用特定问题充分调动他们参与协作的积极性，另一方面也要注意通过分析特定问题之间的关系对各类信息予以充分融合，发挥大规模协作的涌现效应。文中认为，在创新方案产生阶段（诊断界面与创意界面），需要淡化参与主体之间的边界，参与主体应该自由协作，建立起松散性、灵活性和非正式的协作关系，所有参与主体都应该视为社会大众，从诸多视角拓宽创新思路，为实现产品动态连续创新甚至是突破式创新创造条件;而在创新方案筛选阶段（行为界面与选择界面），需要强化参与主体之间的边界，不同類型的主体都应结合自身需要做出对创新方案的价值判断，如组织内部成员应基于组织自身特点判断创新方案对于组织的适用程度、（现实的/潜在的）产品用户应结合自身需要判断创新方案对个性化需求的满足程度、组织其他利益相关者应根据合作关系判断创新方案对合作目标的实现程度，等等。只有这样才能扩大产品实现的多样性空间，降低组织的创新路径锁定风险、内部操作风险、市场转化风险等。

5 产品动态连续创新决策机理体系如前文所说，大规模协作模式下产品动态连续创新界面可以分为诊断界面（探讨决策目标如何制定）、创意界面（探讨创新方案如何优质高效的产生）、行为界面（探讨创新方案对个性化需求满足程度）、选择界面（探讨创新方案对组织目标以及利益相关者目标的实现程度）。文中将基于上述4类界面，分别探讨其决策信息分类提取机理、决策问题的不确定表达、决策信息整合机理以及决策分析方法，具体如图3所示。

5.1 信息分类提取机理大规模协作模式下，各类参与主体都能针对产品动态连续创新问题在各种类型的创新界面上发表言论、自由探讨。然而，不同类型的创新界面对参与主体“索取”的信息类型并不相同，即诊断界面需要大量的目标性决策信息、创意界面需要突发奇想的创意性信息、行为界面需要对创新方案在满足个性化需求上的认知性信息、选择界面需要创新方案在满足分布式目标上的判断性信息。上述方面决定了在各个创新界面上不同类别参与主体发挥的作用程度有主次之别。因此，结合创新界面的问题特性，充分调动参与主体协作创新的积极态度，科学有效地设计主要和次要参与主体的推断信息提取机理，是大规模协作模式下产品动态连续创新中需要解决的首要问题。如前文所述，针对产品动态连续创新决策问题由大规模参与主体给出的认知信息一般具有“4V”特征。Volume（大量）：数以万计乃至数以亿计的参与主体都可以基于自身掌握的信息、经验、知识发表观点和见解;Velocity（高速）：利用电脑、手机等各种终端设备可以随时随地参与产品动态连续创新决策;Variety（多样）：信息可能以多源、异构、多模态、不连贯语法或语义等多种形式存在;Value（价值）：给出的信息中可能存在大量不相关甚至冲突性信息，产品动态连续创新的知识“提纯”难度高。文中认为，在大规模协作模式下，当“目的性”并非十分明确时，产生数据的“4V”特征会尤为明显，而当“目的性”相对明确时，产生数据中的Variety（多样）和Value（价值）2个特征将能通过涉及相应的信息提取模式得到一定程度的改善。如诊断界面和创意界面“索取”的是产品改进的创意，其提取信息可以侧重于“语义描述+图片展示”等方式呈现，行为界面和选择界面“索取”的是认知判断性信息，其提取的信息可以侧重于“数值判断+语义说明”等方式呈现[53-54]，显然，数据由“多样”变为“几样”（在一定程度上削弱信息的多样性，但不能奢望完全剔除这种多样性）、由“价值低”变为“价值高”（推断的数值将能直接应用于创新决策之中，当然，所设计的数值推断方式要能充分反映参与主体的真实认知、要能刻画认知信息中存在的诸如随机性、模糊性、不完备性等不确定性）。鉴于上述原因，文中遵循匹配性与适用性双重原则（信息提取模式既要与界面需求信息相匹配又要与参与主体的认知能力相适应），结合当前阶段的信息技术进行决策信息提取机理的设计，充分发挥“人机结合”优势，让参与主体能够将精力集中于对产品动态连续创新问题的认知上而非对“信息该如何表达和传递”的纠结上。在有关大规模协作的研究成果中，虽然在定性理论、定量方法等方面存在着诸多有待完善之处，但其中不乏对大规模协作创新成功案例的介绍分析。为此，诊断界面和创意界面中决策信息的分类提取模式可通过分析总结一些大规模协作中的典型案例经验，结合开放式创新、信息技术、决策分析等理论的基本观点进行构建[55]。如：Dell公司基于Web 2.0技术开展了大规模协作创新，通过对其创意（IdeaStorm）、博客（Direct2Dell）、视频（StudioDell）等模块功能的分析，可以总结出，利用在线平台，用户可以全程参与创新过程，即在产品开发之初可以提出创意和要求、在开发过程中可以协助提出技术方案、在产品上市后可以提出反馈意见、用户之间可以相互交流与协作互助等等。另外，行为界面、选择界面的决策信息的提取可以借助于网络投票、QQ群聊、论坛社区等信息技术实现。需要强调的是：诊断界面和创意界面侧重的是尽可能多地获取产品创新方案信息，而行为界面和选择界面侧重的是从众多的创新方案中识别出最优方案，为此可将头脑风暴方法中的基本原理融入到上述模式设计中。如：为了得到更多地创新方案，在诊断界面和创意界面中参与主体需遵循直接头脑风暴方法中自由思考、延迟评判、以量求质、结合改善的原则;为了能对创新方案进行有效筛选，在行为界面和选择界面中需遵循质疑头脑风暴法中对提出的重要创新方案逐一质疑的原则[56]。

5.2 决策问题的不确定表达机理参与主体在知识背景、风险偏好、价值取向等方面的差异性，导致了在各类创新界面上获得的决策信息具有数量规模庞大、类型复杂多样等“4V”特征。如何结合决策信息特征对产品动态连续创新中的决策问题进行描述，不仅关系到源于各类创新界面上决策信息的有效表达，而且关系到整合决策方法的科学构建。鉴于上述原因，对于大规模协作模式下该类创新中的决策问题表达问题，可以采用不确定方式描述创新界面中的决策信息，其关键技术方法是行为科学中的前景理论。前景理论是由2002年诺贝尔经济学奖的获得者Kahneman等提出的可以更现实的反映和描述实际辩优过程的行为决策理论[57-58]。该理论将决策问题可能出现的状态称为结果，将各种结果及其发生概率所组成序列称为前景。在前景理论中，作为决策依据的前景价值是由结果的价值和对概率进行转换的概率权重所决定的，其中，结果价值是判断可能结果对实现自身目标的贡献程度，概率权重是判断人们的风险偏好态度对完成预期目标的影响程度[59-60]。具体过程为：对诊断界面中的大量信息予以归纳整理从而识别问题、发现机会并制定决策目标，将创意界面中的创新方式视为拟进行优劣排序的备选方案，利用包含结果与概率2个要素的前景描述行为界面中的用户感知信息，利用结果价值和概率权重描述选择界面上价值判断信息和风险偏好信息。借助前景理论对大规模协作模式下产品动态连续创新中的决策问题予以表达，一方面有利于对各类创新界面中决策信息的结构化提取（由结果和概率组成的前景是对行为界面中具有“4V”特征的决策信息进行整合得到的），另一方面也有利于创新界面系统中决策分析方法的建模（包含结果价值和概率权重的前景价值是对选择界面中的决策信息进行整合得到的）。

5.3 决策信息整合机理遵循创新界面中决策信息分类提取机理，能够得到一系列有利于产品动态连续创新的解决方案（创新方案）以及与其相关的决策信息，为进行方案优选创造了条件。然而，参与主体的超大规模特性势必会导致决策信息在数量上极其庞大（Volume）、在类型上复杂多样（Variety）、在时间上随时产生（Velocity）、在空间上个体信息价值小但总体信息价值大（Value，此时需要克服个体信息之间的冗余和冲突）。上述“4V”特征在产品动态连续创新中将导致：在诊断界面中，参与主体所提供的产品创新目标信息数量庞大且价值密度低，导致创新目标模糊;在创意界面中，参与主体自由协作、交流互动会产生诸多创新方案，方案与方案之间又可以进行交叉融合衍生出新的方案，从而造成创新方案数量可能极其庞大;在行为界面中，参与主体能以独立方式或以交互方式给出创新方案满足个性化需求的认知性信息，但是，知识背景的多样性会造成他们所给出的决策信息具有差异性，主观认知能力的有限性又会造成决策信息具有不确定性;在选择界面中，参与主体可能从创新方案对组织带来的价值大小及可执行程度视角，也可能从创新方案对利益相关者合作目标的满足程度视角，给出价值判断信息或者偏好选择信息，而参与主体在风险偏好、价值取向等方面的诸多不同会使上述信息具有差异性甚至冲突性。需要说明的是，在分时段汲取各类创新界面中的决策信息时可能需要实时融合个体信息而为（某类或全部）参与主体及时地观测信息整体态势提供参考。如：在诊断界面和创意界面上，实时观测整体态势有利于及时发现有价值的观点并对其进行持续高效地改进;在行为界面和选择界面上，实时观测整体态势便于感知信息缺失视角（如某类主体的需求或利益未得到反映）从而有利于获取具有全面性和系统性的决策信息;特别地，对于发起产品创新的组织而言，实时观测整体态势既有利于对产品动态连续创新决策的过程控制，又有利于平衡决策效率与决策效果之间的矛盾关系（当产生的决策信息足以作出最优化产品创新决策时即可结束），从而为降低决策成本、把握市场先机创造条件。有鉴于此，围绕大规模协作模式下产品动态连续创新中的上述问题，文中对各类创新界面以及创新界面系统中决策信息的整合机理开展研究，以期解决具有庞大性、多样性、不确定性、冲突性等特征的决策信息整合问题，实现对各种决策信息的结构化处理及创新方案的优选决策。创新界面中决策信息的整合问题可以划分为：诊断界面的决策目标信息整合，创意界面的创新方案信息整合，行为界面的结果信息整合、概率信息整合，选择界面的结果价值信息整合、概率权重信息整合。前三类整合问题即决策目标信息整合、创新方案信息整合和结果信息整合，关注的是对不同领域知识的交叉融合创新或者全方位专业推断，属于定性分析的范畴，因而可以结合决策问题实际情况依据相关理论和技术进行整合机理设计。如：在创意界面中强调决策信息的智能整合与推荐，一方面可以利用信息技术将产生的创意实时推送到用户终端，使参与主体都能及时了解最新创意并对其做出推荐（创意推荐强调简便性，可以考虑通过“点赞”或“分级”等方式实现），在此基础上通过整合所有推荐结果实现对创意的实时智能推荐，另一方面参与主体也可以结合自身感悟对其认为有价值的创意进行改进，并通过分析创意之间的因果关系或者关联关系自动识别创意之间的演化过程。后三类整合问题即概率信息整合、结果价值信息整合和概率权重信息整合，侧重于从不确定认知、价值判断、风险偏好等视角对决策问题的定量描述，故对于他们的整合应构建相应的整合方法。如：概率信息整合强调实时整合对个性化需求满足程度的认知性信息，可以结合网络投票技术和Dempster-Shafer证据理论予以实现[61-62]。具体地，按照预先设定等级（可以视为整合后的结果信息）提取参与主体对创新方案满足个性化需求的程度性信息，因为创新方案数量可能较多、主观认知能力亦有限，故由参与主体给出的推断信息应具有不完备性（如：完全不知道、部分不知道、在一定程度上知道等）并且源于不同参与主體的推断信息可能具有差异性甚至冲突性，可以利用具有描述不完备信息能力且能融合该类信息的Dempster-Shafer证据理论对决策信息进行实时整合。对于结果价值和概率权重信息，强调在分布式交互的基础上动态整合各方利益主体的判断性信息（参与主体之间相互交流和学习能够促进知识的传递和转移，有利于逐步深化对决策问题的认识和理解，故随着交互的逐步深入，参与主体的认知信息将会越来越明确），可借助确定性等价（Certainty Equivalence）关系或价值权衡（Trade Off）原理、以参数或者非参数方式提取相关参与主体的决策信息，然后利用最小化方差思想分类构建相应的决策信息整合方法[63]。

5.4 决策分析方法构建机理创新界面系统中的决策分析方法的作用在于，从对不同类型参与主体整合出的具有差异性甚至冲突性的决策信息中提取能够最优协调各方满意度的有效信息，在此基础上实现对所有创新方案的排序和优选。在构建该方法时，按照不同类型参与主体之间的异质关系可将创新界面系统中的方案排序抽象為多目标决策问题。由于大规模协作中参与主体的类型跨度较大，每一个类型的参与主体都从特定的群体视角审视创新方案可能产生的现实价值，因此在综合协调各个视角的决策信息时应注意整合方法的公平合理性。在决策分析方法构建过程中，可通过引入各类型参与主体对创新方案的满意度指标构建决策分析方法。具体而言，首先应用模糊集理论建立用于刻画不同类型参与主体满意度的模糊成员函数，然后在引入主体类型权重的基础上利用多目标规划方法协调不同类型主体的满意度平衡关系，最后通过最优化方法获取能够令各方满意度达到Pareto最优的创新方案。需注意的是，在方法构建过程中，用于反映各类型主体之间相对重要程度的主体类型权重需要事先确定，其确定方法可考虑通过线性加权、层次分析、网络分析、TOPSIS、多属性决策等方法予以确定[64-66]。

6 结 语文中以产品动态连续创新为对象，将大规模协作与大数据进行深入交叉融合，从“创意目标”到“创意产生”到“创意评价”再到“创意优选”4个层面研究其创新决策的全过程，构建大规模协作模式下产品动态连续创新的决策机理，不仅有利于集成全球范围内的多样性知识资源、保证产品质量，而且有利于依托互联网技术实现信息与知识的瞬间流动、提高产品创新效率。文中对大规模协作模式下的产品动态连续创新决策问题开展研究，既有利于深化产品创新理论又有利于针对特定类型问题完善大数据驱动决策方法，具有重要的理论意义。该机理模型在一定程度上为组织开展大规模协作产品动态连续创新给出了解决方案，可以结合参与主体的类型特征有所针对的提取有用信息，并整合不同类型参与主体的信息与知识实现创新方案的优中选优，从而保证了组织创新的科学有效性与应用可行性。此外，文中是适应创新型国家战略、提高我国企业创新能力的现实需要。“十三五”规划中明确提出“实施创新驱动发展战略”，指出“把发展基点放在创新上，以科技创新为核心，以人才发展为支撑，推动科技创新与大众创业万众创新有机结合，塑造更多依靠创新驱动、更多发挥先发优势的引领型发展”以及“把大众创业万众创新融入发展各领域环节，鼓励各类主体开发新技术、新产品、新业态、新模式，打造发展新引擎”，并强调“把大数据作为基础性战略资源，全面实施促进大数据发展行动，加快推动数据资源共享开放和开发应用，助力产业转型升级和社会治理创新”等重要方针政策。这是党中央国务院在深刻把握当代科学技术与经济发展特征的基础上，为我国未来发展打造核心驱动力所做出的重大战略部署。在这一时代背景下，文中结合参与主体多样、主体数量庞大、主体关系对等、知识分布广泛等特点，从大数据驱动视角提出一套能够充分发挥大规模协作产品创新灵活性、能够科学整合超大规模参与主体知识的机理和模型，是适应我国建设创新型国家战略的现实需要。

参考文献：

[1] Tapscott D，Williams A D.Wikinomics：how mass collaboration changes everything[M].New York：Portfolio Trade，2006.[2]赵 坤，郭东强.众创式创新：源起、归因解析与认知性框架[J].科学学研究，2016（07）：1086-1095.

[3]Tapscott D，Williams A D Williams.Macrowikinomics：rebooting business and the world[M].New York：Portfolio Penguin，2010.[4]吕一博，施萧萧，冀若楠.开放式创新对企业渐进性创新能力的影响研究[J].科学学研究，2017（02）：289-301.[5]段万春，苏 佳，杜元伟.基于交叉效率的产品动态连续创新创意评价方法[J].科技进步与对策，2016（11）：114-121.[6]何 颖，唐葆君，孙 星.创新管理[M].北京：经济管理出版社，2009.[7]孟 稻，孔令柱.社会网络理论下“大众生产”组织的网络治理研究[J].经济管理，2014（05）：70-79.[8]钟经文.迅速兴起大众创业万众创新热潮[N].经济日报，2015-12-18（001）.[9]张晓冬，周宏丽，胡 杨.大规模协同环境下知识协作网络的动态鲁棒性研究[J].计算机集成制造系统，2017（02）：1-14.[10]赵夫增.互联网时代的在线社区生产模式研究[J].科学学研究，2009，27（04）：546-553.[11]李斌勇.基于云服务平台的多联盟企业群协同技术研究[D].重庆：西南交通大学，2015.[12]赵夫增，丁雪伟.基于互联网平台的大众协作创新研究[J].中国软科学，2009（05）：63-72.[13]Abdalla H，Chant.An integrated design framework for mass customization in the consumer electronics industry[J].International Journal of Computer Applications inTechnology，2011，40（01-02）：37-52.[14]王 瑶.基于客户协同的供应链创新研究[D].大连：大连工业大学，2015.[15]张 建，刘 民.网络经济环境下企业发展模式的创新[J].东岳论丛，2015，36（11）：74-78.[16]罗 珉，王 雎.跨组织大规模协作：特征、要素与运行机制[J].中国工业经济，2007（08）：5-14.[17]Moon S K，Shu J，Simpson T W.A module-based service model for mass customization[J].Service Family Design，2011，43（03）：153-163.[18]张 硕，李英姿，张晓冬.大规模协同设计过程复杂性分析及主体行为层次模型构建机[J].科技进步与对策，2014（19）：1-5.[19]Potter A，Mcclure M，Sellers K.Mass collaboration problem solving：a new approach to wicked problems[C].IEEE，2010.[20]Richter S，Kuhn H，

Aregbe Y.Improvements in routine uranium isotope ratio measurements using the modified total evaporation method for multi-collector thermal ionization mass spectrometry[J].Journal of Analytical Atomic Spectrometry，2011，26（03）：550-564.[21]Li Q，Wu D D，Fu R.Mass collaboration in earthquake risk management[J].Human and Ecological Risk Assessment，2010，16（03）：494-509.

[22]常 靜，欧瑞秋.百度百科大众生产者的激励研究[J].科技与经济，2014，27（02）：81-85.[23]Le Q，Panchalj H.Modeling the effect of product architecture on mass-collaborative process[J].Journal of Computing and Information Science in Engineering，2011，11（01）：1-12.[24]解学梅，刘丝雨.协同创新模式对协同效应与创新绩效的影响机理[J].管理科学，2015，28（02）：27-39.[25]李德毅，张海粟，王树良.维基的词条质量检测研究[J].武汉大学学报（信息科学版），2011，36（12）：1387-1391.[26]Tkaca N.Wikipedia and the politics of mass collaboration[J].Journal of Media and Communication，2010，2（02）：40-53.[27]张树人，方美琪.Web2.0与信息系统复杂性变革[M].北京：科学出版社，2008.

[28]李晓方.激励设计与知识共享——百度内容开放平台知识共享制度研究[J].科学学研究，2015，33（02）：272-278+312.[29]谢伟聪，杨建梅.维基百科贡献者中的人类动力学模式[J].科学学研究，2010，28（10）：1454-1458.[30]赵增耀，章小波，沈 能.区域协同创新效率的多维溢出效应[J].中国工业经济，2015（01）：32-44.[31]岳 英，万映红.客户协同创新维度及构成实证研究——以知识密集型服务业为例[J].科技进步与对策，2016，33（13）：106-112.[32]刘 刚，熊立峰.消费者需求动态响应、公司边界选择与商业生态系统构建——基于苹果公司的案例研究[J].中国工业经济，2013（05）：122-134.[33]邢青松.客户协同产品创新效率及其关键影响因素研究[D].重庆：重庆大学，2012.[34]张雪峰，杨 育，于国栋.面向产品创新任务的协同客户利益分配机制[J].计算机集成制造系统，2015，21（01）：13-20.[35]李 斐.客户协同产品创新知识系统及其若干关键问题研究[D].重庆：重庆大学机械工程学院，2014.[36]李 刚，白影波，许德惠.客户参与新产品上市速度——基于中国制造业的实证研究[J].科研管理，2014，35（02）：94-103.[37]Hippel E V.Democratizing innovation[M].New York：MIT Press，2005.[38]TüysüZ F，Kahraman C.Modeling a flexible manufacturing cell using stochastic petri nets with fuzzy parameters[J].Expert Systems with Applications，2010，37（05）：3910-3920.[39]张雪峰，杨 育，苏加福.产品创新任务与协同客户匹配策略与模型[J].科学学研究，2016，34（01）：142-150.[40]杨 育，王小磊，曾 强.协同产品创新设计优化中的多主体冲突协调[J].计算机集成制造系统，2011，17（01）：1-9.[41]宋李俊，龚 立.知识驱动的客户协同产品创新研究[J].科技管理研究，2014（08）：14-18.[42]陈 倩，杨 育，张雪峰.客户协同产品开发模糊前端阶段创意知识获取[J].计算机辅助设计与图形学学报，2017，29（01）：145-154.[43]王小磊.客户协同产品创新中冲突协调与消解的关键技术研究[D].重庆：重庆大学，2010.[44]王 方.面向客户关键需求的产品协同创新方法研究[D].西安：西安电子科技大学，2016.[45]Mcafee A，Brynjolfsson E.Big data：the management revolution[J].Harv Bus Rev，2012，90（10）：60-66+68+128.[46]何 军.大数据对企业管理决策影响分析[J].科技进步与对策，2014（04）：65-68.[47]李国杰.大数据研究的科学价值[J].中国计算机学会通讯，2012，8（09）：8-15.[48]冯芷艳，郭迅华，曾大军.大数据背景下商务管理研究若干前沿课题[J].管理科学学报，2013（01）：1-9.[49]

Lavalle S，Lesser E，Shockley R.Big data，analytics and the path form insights to value[J].MIT Sloan Management Review，2014，52（2）：21-31.[50]Mayer-sch N V，Cukier K.Big data：a revolution that will transform how we live，work，and think[M].Houghton Mifflin Harcourt，2013.[51]

Chen H，Chiang R H，Storey V C.Business intelligence and analytics：from big data to big impact[J].MIS Quarterly，2012，36（04）：1-24.[52]

Gordijn J，Akkermans J M.Value based requirements engineering：exploring innovative ecommerce idea[J].Requirements Engineering Journal，2003，2（08）：114-134.[53]徐泽水.纯语言多属性群决策方法研究[J].控制与决策，2004（07）：778-781+786.[54]

Garcia-Cascales M S，Lamata M T.Solve a decision problem with linguistic information[J].Pattern Recognition Letters，2007，28（16）：2284-2294.[55]李 涛，高良谋.“大数据”时代下开放式创新发展趋势[J].科研管理，2016（07）：1-7.[56]杜元伟，段万春，黄庆华.基于头脑风暴原则的主观证据融合决策方法[J].中国管理科学，2015（03）：130-140.[57]

Henderson V.Prospect theory，liquidation，and the disposition effect[J].Management Science，2012，58（02）：445-460.[58]Henderson V，Hobson D，Alexi S L.Randomized strategies and prospect theory in a dynamic context[J].Journal of Economic Theory，2017，168：287-300.[59]Kahneman D，Tversky A.Prospect theory：an analysis of decision under risk[J].Econometrica：Journal of the Econometric Society，1979（01）：263-291.[60]

Tversky A，Kahneman D.Advances in prospect theory：cumulative representation of uncertainty[J].Journal of Risk and Uncertainty，1992，5（04）：297-323.

[61]韩德强，杨 艺，韩崇昭.DS证据理论研究进展及相关问题探讨[J].控制与决策，2014（01）：1-11.[62]Li F，Qian Y，Wang J，et al.Multigranulation information fusion：a dempster-shaferevidence theory-based clustering ensemble method[J].Information Sciences，2017，378：389-409.[63]李春好，杜元伟，刘成明.基于基元前景交叉判斷的前景价值模型[J].管理科学学报，2010（02）：12.[64]Fu C，Yang S.An attribute weight based feedback model for multiple attributive group decision analysis problems with group consensus requirements in evidential reasoning context[J].European Journal of Operational Research，2011，21（01）：179-189.[65]

Wei G W.Grey relational analysis method for 2-tuple linguistic multiple attribute group decision marking with incomplete weight information[J].Expert Systems with Applications，2011，38（05）：4824- 4828.[66]Kuo T.A modified TOPSIS with a different ranking index[J].European Journal of Operational Research，2017，260（01）：152-160.

（责任编辑：严 焱）